基于流形學習的水下目標輻射噪聲特征提取方法.pdf

1、在水聲領域，輻射噪聲信號能反映水下目標螺旋槳轉速、動力系統(tǒng)組成及目標航行方式等相關信息，利用輻射噪聲的差異來識別目標是一項很有意義的研究課題。大量初始數(shù)據(jù)在細致描述目標的同時也帶來了許多冗余，因此尋找和研究一種新的有效方法來獲得目標特征就變得越來越重要。流形學習方法作為一種高效快速的數(shù)據(jù)挖掘方法，能夠探尋數(shù)據(jù)的內在規(guī)律、發(fā)現(xiàn)本質特征，從而完成特征提取任務。
　　通過理論仿真和試驗處理相結合，論文對以下內容進行分析與研究：
　

2、　1)闡述了流形學習的基本理論。介紹流形、拓撲結構、流形學習的基本概念，描述局部線性嵌入(LLE)、拉普拉斯特征映射(LE)、等距特征映射(Isomap)以及局部切空間排列(LTSA)這四種流形學習方法的主要設計思路及實現(xiàn)步驟。比較各流形學習方法的特點并分析流形結構的影響因素。
　　2)運用流形學習方法進行降噪研究。將時域信號構造到高維相空間得到高維數(shù)據(jù)，再利用主成分分析(PCA)、LTSA的流形降噪方法減小噪聲干擾，并比較其降噪

3、效果。
　　3)運用流形學習方法提取水下目標輻射噪聲的低維流形特征。仿真分析水下目標變速和平穩(wěn)航行時的特征。介紹試驗數(shù)據(jù)概況，利用短時傅里葉變換(STFT)、小波變換(WT)時頻分析技術對試驗數(shù)據(jù)進行前期分析處理，再通過LLE、Isomap、LE三種流形學習方法提取水下目標的流形特征。
　　4)利用支持向量機(SVM)方法識別水下目標，獲得識別率曲線。將運用不同流形學習方法提取的低維流形特征，送入SVM作分類識別，比較分析流